论文部分内容阅读
随着智能化矿山的建设,研究自主巡检机器人以实现井下无人化巡检已成为井下巡检机器人的研究重点。单一导航系统很难满足机器人在井下的自主导航要求,采用组合导航技术实现机器人在井下的精准自主导航是井下导航研究的趋势,另外,组合导航技术是涉及运动控制、环境认知定位策略、多传感器融合、路径规划的复杂课题,也是机器人的技术难点,井下巡检机器人组合导航技术的研究将为井下各类自主式机器人的开发提供参考,推动井下智能化、无人化进程。井下巡检机器人进行组合导航能够依靠的有捷联惯性导航系统(SINS)、地理信息系统(GIS)以及电机光电编码器(OE),如何将它们进行有效的数据融合以提高巡检机器人在井下的组合导航精度和抗干扰能力是本文重点研究的内容。本文围绕着传感器导航定位原理与误差模型、多传感组合滤波结构、联邦卡尔曼滤波算法优化展开研究,具体研究内容如下:首先,分析了捷联惯性导航系统常用坐标系及坐标变换方法;针对捷联惯导系统导航参数更新算法、井下地理信息系统定位算法以及光电编码器航位推算算法进行了研究,并对三者的误差模型进行了详细推导。其次,分析了标准卡尔曼滤波以及无迹卡尔曼滤波的算法原理,结合巡检机器人组合导航系统实际数学模型,选择标准卡尔曼滤波作为组合导航系统子滤波器;分析了集中式滤波以及联邦式滤波,通过对比选取了联邦式滤波进行组合导航系统数据融合;针对传统联邦滤波固定分配因子方式进行优化,采用分配因子自适应方式,并通过仿真验证了应用此算法可以提高系统导航精度。再者,针对机器人在井下运行时出现的系统模型及噪声特性异常问题,将改进后的Sage-Husa滤波加入到机器人联邦滤波器中,获得一种自适应联邦卡尔曼滤波(AFKF),AFKF不仅可以消除量测粗差对滤波精度的影响,而且在量测噪声协方差异常时可以对其进行在线估计,抑制滤波发散,提高了机器人组合导航系统的精度和鲁棒性;针对机器人利用A*算法规划出来的路径转折多、不平滑问题进行了A*路径平滑优化算法的研究,并通过仿真验证了优化算法的有效性。最后,通过仿真实验和机器人运行实验对本文提出的自适应联邦卡尔曼滤波算法进行验证,实验结果证明AFKF可有效控制系统模型及噪声特性异常问题给机器人组合导航系统所带来的影响,使得井下巡检机器人组合导航系统有更好的精度与鲁棒性。